用户推荐的方法、装置、计算机设备和存储介质与流程

本申请涉及数据处理技术领域，特别是涉及一种用户推荐的方法、装置、计算机设备和存储介质。

背景技术：

随着大数据技术的发展，大数据开始应用于各个领域。随着人们交友需求的不断扩大，出现了基于大数据推荐交友的应用软件。目前传统的推荐交友的应用软件中推荐交友用户的方式是基于对用户的共同的好友数据或相同的地理位置数据的分析，向用户推荐交友用户。

这种推荐交友的方式推荐人选的匹配率低，难以实现人选的合理推荐。

技术实现要素：

基于此，有必要针对上述技术问题，提供一种能够实现交友人选的合理推荐的用户推荐的方法、装置、计算机设备和存储介质。

一种用户推荐的方法，所述方法包括：

获取位置信息在第一用户的预设阈值范围内的第二用户的综合数据，综合数据包括语音识别数据、视觉识别数据以及生理活动数据；

根据预设的大数据样本库和语音识别数据确定第二用户与第一用户之间的用户间关系量化值；

根据视觉识别数据确定第二用户的行为指数；

根据生理活动数据确定第二用户的生理指数；

根据用户间关系量化值、行为指数、生理指数以及预设的指数规则，生成第二用户对第一用户的好感度；

根据好感度推送第二用户的用户信息至第一用户。

在其中一个实施例中，根据预设的大数据样本库和语音识别数据确定第二用户与第一用户之间的用户间关系量化值，包括：

将语音识别数据转换为文字；

根据转换后的文字匹配大数据样本库中的用于语音识别的关键字；

统计用于语音识别的关键字在转换后的文字中出现的频率以及次数；

根据用于语音识别的关键字出现的频率以及次数确定第二用户与第一用户之间的用户间关系量化值。

在其中一个实施例中，根据视觉识别数据确定第二用户的行为指数，包括：

根据视觉识别数据获取第二用户的眼神数据和脸色数据；

根据眼神数据确定第二用户的眼神变化情况以及眼神停留时间；

根据脸色数据和预设的人种脸色数据库确定第二用户的脸色变化情况；

根据眼神变化情况、眼神停留时间以及脸色变化情况，确定第二用户的行为指数。

在其中一个实施例中，根据生理活动数据确定第二用户的生理指数，包括：

根据生理活动数据获取第二用户的体温数据、血氧数据以及心跳数据；

根据体温数据确定第二用户的体温变化情况；

根据血氧数据确定第二用户的血氧变化情况；

根据心跳数据确定第二用户的心跳变化情况；

根据体温变化情况、血氧变化情况以及心跳变化情况，确定第二用户的生理指数。

在其中一个实施例中，在根据好感度推送第二用户的用户信息至第一用户之后，包括：

获取第一用户的历史浏览数据；

根据第一用户的历史浏览数据，确定第一用户的偏好特征；

计算第一用户的偏好特征与预设的偏好特征数据库中的偏好特征之间的匹配度；

获取匹配度在预设范围内的第三用户，并推送至第一用户。

在其中一个实施例中，在获取位置信息在第一用户的预设阈值范围内的第二用户的综合数据之前，包括：

获取用于语音识别的关键字；

将用于语音识别的关键字存入大数据样本库中。

一种用户推荐的装置，所述装置包括：

获取模块，用于获取位置信息在第一用户的预设阈值范围内的第二用户的综合数据，综合数据包括语音识别数据、视觉识别数据以及生理活动数据；

第一指数模块，用于根据预设的大数据样本库和语音识别数据确定第二用户与第一用户之间的用户间关系量化值；

第二指数模块，用于根据视觉识别数据确定第二用户的行为指数；

第三指数模块，用于根据生理活动数据确定第二用户的生理指数；

处理模块，用于根据用户间关系量化值、行为指数、生理指数以及预设的指数规则，生成第二用户对第一用户的好感度；

推送模块，用于根据好感度推送第二用户的用户信息至第一用户。

在其中一个实施例中，用户推荐的装置包括推荐模块，推荐模块用于获取第一用户的历史浏览数据，根据第一用户的历史浏览数据，确定第一用户的偏好特征，计算第一用户的偏好特征与预设的偏好特征数据库中的偏好特征之间的匹配度，获取匹配度在预设范围内的第三用户，并推送至第一用户。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取位置信息在第一用户的预设阈值范围内的第二用户的综合数据，综合数据包括语音识别数据、视觉识别数据以及生理活动数据；

根据预设的大数据样本库和语音识别数据确定第二用户与第一用户之间的用户间关系量化值；

根据视觉识别数据确定第二用户的行为指数；

根据生理活动数据确定第二用户的生理指数；

根据用户间关系量化值、行为指数、生理指数以及预设的指数规则，生成第二用户对第一用户的好感度；

根据好感度推送第二用户的用户信息至第一用户。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取位置信息在第一用户的预设阈值范围内的第二用户的综合数据，综合数据包括语音识别数据、视觉识别数据以及生理活动数据；

根据预设的大数据样本库和语音识别数据确定第二用户与第一用户之间的用户间关系量化值；

根据视觉识别数据确定第二用户的行为指数；

根据生理活动数据确定第二用户的生理指数；

根据用户间关系量化值、行为指数、生理指数以及预设的指数规则，生成第二用户对第一用户的好感度；

根据好感度推送第二用户的用户信息至第一用户。

上述用户推荐的方法、装置、计算机设备和存储介质，获取位置信息在第一用户的预设阈值范围内的第二用户的综合数据，对综合数据进行分析，根据预设的大数据样本库和语音识别数据确定第二用户与第一用户之间的用户间关系量化值，根据视觉识别数据确定第二用户的行为指数，根据生理活动数据确定第二用户的生理指数，根据用户间关系量化值、行为指数、生理指数以及预设的指数规则，生成第二用户对第一用户的好感度，根据好感度推送第二用户的用户信息至第一用户，实现交友人选的合理推荐。

附图说明

图1为一个实施例中用户推荐的方法的应用场景图；

图2为一个实施例中用户推荐的方法的流程示意图；

图3为一个实施例中根据预设的大数据样本库和语音识别数据确定第二用户与第一用户之间的用户间关系量化值的流程示意图；

图4为一个实施例中根据视觉识别数据确定第二用户的行为指数的流程示意图；

图5为一个实施例中根据生理活动数据确定第二用户的生理指数的流程示意图；

图6为另一个实施例中用户推荐的方法的流程示意图；

图7为另一个实施例中用户推荐的方法的流程示意图；

图8为一个实施例中用户推荐的装置的结构框图；

图9为另一个实施例中用户推荐的装置的结构框图；

图10为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的用户推荐的方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。服务器104通过终端102获取位置信息在第一用户的预设阈值范围内的第二用户的综合数据，综合数据包括语音识别数据、视觉识别数据以及生理活动数据，根据预设的大数据样本库和语音识别数据确定第二用户与第一用户之间的用户间关系量化值，根据视觉识别数据确定第二用户的行为指数，根据生理活动数据确定第二用户的生理指数，根据用户间关系量化值、行为指数、生理指数以及预设的指数规则，生成第二用户对第一用户的好感度，根据好感度推送第二用户的用户信息至第一用户。其中，终端102可以但不限于是各种便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种用户推荐的方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

s202：获取位置信息在第一用户的预设阈值范围内的第二用户的综合数据，综合数据包括语音识别数据、视觉识别数据以及生理活动数据。

服务器从第一用户的便携式可穿戴设备获取位置信息在第一用户的预设阈值范围内的第二用户的综合数据，其中，预设的阈值范围可根据需要自行设置，常见的阈值范围包括以第一用户为圆心，半径为一米的圆。综合数据包括语音识别数据、视觉识别数据以及生理活动数据，语音识别数据包括第二用户与第一用户的对话片段数据，视觉识别数据包括第二用户的脸部特征数据，生理活动数据包括第二用户的体温数据、血氧数据以及心跳数据。

s204：根据预设的大数据样本库和语音识别数据确定第二用户与第一用户之间的用户间关系量化值。

预设的大数据样本库中存储有用于语音识别的关键字，用于语音识别的关键字用于确定第二用户与第一用户之间的用户间关系量化值，服务器获取语音识别数据之后，将语音识别数据转换为文字，根据转换后的文字匹配大数据样本库中的用于语音识别的关键字，统计大数据样本库中的用于语音识别的关键字在转换后的文字中出现的频率和次数，根据转换后的文字出现的频率和次数，确定第二用户与第一用户之间的用户间关系量化值，其中，用户间关系量化值的总分为一百分，用于语音识别的关键字可根据需要自行设置。

s206：根据视觉识别数据确定第二用户的行为指数。

视觉识别数据包括第二用户的脸部特征数据，脸部特征数据包括眼神数据和脸色数据。服务器根据视觉识别数据确定第二用户的行为指数，行为指数用于根据第二用户的视觉识别数据确定第二用户对第一用户的关注度，行为指数的总分为一百分。

s208：根据生理活动数据确定第二用户的生理指数。

生理活动数据包括第二用户的体温数据、血氧数据以及心跳数据。服务器根据生理活动数据确定第二用户的生理指数，生理指数用于根据第二用户的生理活动数据确定第二用户对第一用户的关注度，生理指数的总分为一百分。

s210：根据用户间关系量化值、行为指数、生理指数以及预设的指数规则，生成第二用户对第一用户的好感度。

服务器根据预设的指数规则，将用户间关系量化值、行为指数以及生理指数进行加权求和，生成第二用户对第一用户的好感度。其中，用户间关系量化值、行为指数以及生理指数的权重系数可根据需要自行设置，好感度的总分为一百分。举例说明，可以设置用户间关系量化值的权重系数为0.6，行为指数的权重系数为0.2，生理指数的权重为0.2。

s212：根据好感度推送第二用户的用户信息至第一用户。

服务器根据生成的第二用户对第一用户的好感度，对第二用户对第一用户的好感度进行排序，推送好感度高的第二用户的用户信息至第一用户，实现交友用户的合理推荐，其中，第二用户的用户信息包括第二用户的姓名和第二用户的身份识别码，第一用户可根据第二用户的用户信息申请添加第二用户为好友。

上述用户推荐的方法，获取位置信息在第一用户的预设阈值范围内的第二用户的综合数据，对综合数据进行分析，根据预设的大数据样本库和语音识别数据确定第二用户与第一用户之间的用户间关系量化值，根据视觉识别数据确定第二用户的行为指数，根据生理活动数据确定第二用户的生理指数，根据用户间关系量化值、行为指数、生理指数以及预设的指数规则，生成第二用户对第一用户的好感度，根据好感度推送第二用户的用户信息至第一用户，实现交友人选的合理推荐。

在其中一个实施例中，如图3所示，s204包括：

s302：将语音识别数据转换为文字；

s304：根据转换后的文字匹配大数据样本库中的用于语音识别的关键字；

s306：统计用于语音识别的关键字在转换后的文字中出现的频率以及次数；

s308：根据用于语音识别的关键字出现的频率以及次数确定第二用户与第一用户之间的用户间关系量化值。

语音识别数据可以为第二用户与第一用户之间的对话片段，第一用户的便携式穿戴设备获取语音识别数据并传输至服务器，服务器将语音识别数据转换为文字，根据转换后的文字匹配大数据样本库中的用于语音识别的关键字，统计用于语音识别的关键字在转换后的文字中出现的频率以及次数，根据用于语音识别的关键字出现的频率以及次数确定第二用户与第一用户之间的用户间关系量化值。其中，用于语音识别的关键字可根据需要自行设置，用户间关系量化值的总分为一百分，可根据用于语音识别的关键字的数量确定各个关键词的分数，根据各个用于语音识别的关键字出现的频率以及次数确定第二用户与第一用户之间的用户间关系量化值。

上述实施例，将语音识别数据转换为文字，根据转换后的文字匹配大数据样本库中的用于语音识别的关键字，统计用于语音识别的关键字在转换后的文字中出现的频率以及次数，根据用于语音识别的关键字出现的频率以及次数确定第二用户与第一用户之间的用户间关系量化值，实现了根据语音识别数据确定第二用户与第一用户之间的用户间关系量化值。

在其中一个实施例中，如图4所示，s206包括：

s402：根据视觉识别数据获取第二用户的眼神数据和脸色数据；

s404：根据眼神数据确定第二用户的眼神变化情况以及眼神停留时间；

s406：根据脸色数据和预设的人种脸色数据库确定第二用户的脸色变化情况；

s408：根据眼神变化情况、眼神停留时间以及脸色变化情况，确定第二用户的行为指数。

服务器根据视觉识别数据获取第二用户的眼神数据和脸色数据，根据眼神数据确定第二用户的眼神变化情况以及眼神停留时间，根据脸色数据和预设的人种脸色数据库确定第二用户的脸色变化情况，根据眼神变化情况、眼神停留时间以及脸色变化情况，确定第二用户的行为指数。第一用户的便携式穿戴设备通过视觉识别，获取第二用户的视觉识别数据并传输至服务器，服务器根据视觉识别数据中的第二用户的眼球在眼睛正中央的位置的时间来确定眼神停留时间，同时根据眼神数据确定第二用户的眼神变化情况。第二用户的脸色变化情况需根据第二用户的脸色数据和预设的人种脸色数据库确定，人种脸色数据库中存储了不同人种在正常情况下和在紧张时的人脸的颜色值，脸色数据包括第二用户在预设的阈值范围内的各个时刻的脸色数据。服务器根据第二用户在预设的阈值范围内的各个时刻的脸色数据以及预设的人种脸色数据库，确定第二用户的脸色变化情况。

上述实施例，根据视觉识别数据获取第二用户的眼神数据和脸色数据，根据眼神数据确定第二用户的眼神变化情况以及眼神停留时间，根据脸色数据和预设的人种脸色数据库确定第二用户的脸色变化情况，根据眼神变化情况、眼神停留时间以及脸色变化情况，确定第二用户的行为指数，实现了根据视觉识别数据确定第二用户的行为指数。

在其中一个实施例中，如图5所示，s208包括：

s502：根据生理活动数据获取第二用户的体温数据、血氧数据以及心跳数据；

s504：根据体温数据确定第二用户的体温变化情况；

s506：根据血氧数据确定第二用户的血氧变化情况；

s508：根据心跳数据确定第二用户的心跳变化情况；

s510：根据体温变化情况、血氧变化情况以及心跳变化情况，确定第二用户的生理指数。

上述实施例，根据生理活动数据获取第二用户的体温数据、血氧数据以及心跳数据，根据体温数据确定第二用户的体温变化情况，根据血氧数据确定第二用户的血氧变化情况，根据心跳数据确定第二用户的心跳变化情况，根据体温变化情况、血氧变化情况以及心跳变化情况，确定第二用户的生理指数，实现了根据生理活动数据确定第二用户的生理指数。

在其中一个实施例中，如图6所示，s212之后，包括：

s602：获取第一用户的历史浏览数据；

s604：根据第一用户的历史浏览数据，确定第一用户的偏好特征；

s606：计算第一用户的偏好特征与预设的偏好特征数据库中的偏好特征之间的匹配度；

s608：获取匹配度在预设范围内的第三用户，并推送至第一用户。

第一用户的历史浏览数据包括搜索过的美食信息以及旅游信息、收听音乐的记录以及收看视频的记录。服务器获取第一用户的历史浏览数据，通过分析第一用户的历史浏览数据，确定第一用户的偏好特征，计算第一用户的偏好特征与预设的偏好特征数据库中的偏好特征之间的匹配度，获取匹配度在预设范围内的第三用户，并推送至第一用户，其中，匹配度可根据需要自行设置。

上述实施例获取第一用户的历史浏览数据，根据第一用户的历史浏览数据，确定第一用户的偏好特征，计算第一用户的偏好特征与预设的偏好特征数据库中的偏好特征之间的匹配度，获取匹配度在预设范围内的第三用户，并推送至第一用户，实现了交友人选的合理推荐。

在其中一个实施例中，如图7所示，s202之前，包括：

s702：获取用于语音识别的关键字；

s704：将用于语音识别的关键字存入大数据样本库中。

服务器获取用于语音识别的关键字，将用于语音识别的关键字存入大数据样本库中，其中，用于语音识别的关键字可从用户之间的日常对话、文学作品以及电影作品当中获取，用于语音识别的关键字的数量可根据需要自行设置。

上述实施例，获取用于语音识别的关键字，将用于语音识别的关键字存入大数据样本库中，用用于语音识别的关键字作为评价标准，使服务器可根据用于语音识别的关键字确定第二用户与第一用户之间的用户间关系量化值。

下面通过一个实施例来说明本申请的方案。

服务器首先获取用于语音识别的关键字，将用于语音识别的关键字存入大数据样本库中，获取位置信息在第一用户的预设阈值范围内的第二用户的综合数据，综合数据包括语音识别数据、视觉识别数据以及生理活动数据，将语音识别数据转换为文字，根据转换后的文字匹配大数据样本库中的用于语音识别的关键字，统计用于语音识别的关键字在转换后的文字中出现的频率以及次数，根据用于语音识别的关键字出现的频率以及次数确定第二用户与第一用户之间的用户间关系量化值。然后根据视觉识别数据获取第二用户的眼神数据和脸色数据，根据眼神数据确定第二用户的眼神变化情况以及眼神停留时间，根据脸色数据和预设的人种脸色数据库确定第二用户的脸色变化情况，根据眼神变化情况、眼神停留时间以及脸色变化情况，确定第二用户的行为指数。然后根据生理活动数据获取第二用户的体温数据、血氧数据以及心跳数据，根据体温数据确定第二用户的体温变化情况，根据血氧数据确定第二用户的血氧变化情况，根据心跳数据确定第二用户的心跳变化情况，根据体温变化情况、血氧变化情况以及心跳变化情况，确定第二用户的生理指数。然后根据用户间关系量化值、行为指数、生理指数以及预设的指数规则，生成第二用户对第一用户的好感度，根据好感度推送第二用户的用户信息至第一用户。最后获取第一用户的历史浏览数据，根据第一用户的历史浏览数据，确定第一用户的偏好特征，计算第一用户的偏好特征与预设的偏好特征数据库中的偏好特征之间的匹配度，获取匹配度在预设范围内的第三用户，并推送至第一用户。

应该理解的是，虽然图2-7的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-7中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图8所示，提供了一种用户推荐的装置，包括：获取模块802、第一指数模块804、第二指数模块806、第三指数模块808、处理模块810和推送模块812，其中：

获取模块802，用于获取位置信息在第一用户的预设阈值范围内的第二用户的综合数据，综合数据包括语音识别数据、视觉识别数据以及生理活动数据；

第一指数模块804，用于根据预设的大数据样本库和语音识别数据确定第二用户与第一用户之间的用户间关系量化值；

第二指数模块806，用于根据视觉识别数据确定第二用户的行为指数；

第三指数模块808，用于根据生理活动数据确定第二用户的生理指数；

处理模块810，用于根据用户间关系量化值、行为指数、生理指数以及预设的指数规则，生成第二用户对第一用户的好感度；

推送模块812，用于根据好感度推送第二用户的用户信息至第一用户。

上述用户推荐的装置，获取位置信息在第一用户的预设阈值范围内的第二用户的综合数据，对综合数据进行分析，根据预设的大数据样本库和语音识别数据确定第二用户与第一用户之间的用户间关系量化值，根据视觉识别数据确定第二用户的行为指数，根据生理活动数据确定第二用户的生理指数，根据用户间关系量化值、行为指数、生理指数以及预设的指数规则，生成第二用户对第一用户的好感度，根据好感度推送第二用户的用户信息至第一用户，实现交友人选的合理推荐。

在其中一个实施例中，如图9所示，第一指数模块804包括语音识别模块814，语音识别模块814用于将语音识别数据转换为文字，根据转换后的文字匹配大数据样本库中的用于语音识别的关键字，统计用于语音识别的关键字在转换后的文字中出现的频率以及次数，根据用于语音识别的关键字出现的频率以及次数确定第二用户与第一用户之间的用户间关系量化值。

在其中一个实施例中，如图9所示，第二指数模块806包括视觉识别模块816，视觉识别模块816用于根据视觉识别数据获取第二用户的眼神数据和脸色数据，根据眼神数据确定第二用户的眼神变化情况以及眼神停留时间，根据脸色数据和预设的人种脸色数据库确定第二用户的脸色变化情况，根据眼神变化情况、眼神停留时间以及脸色变化情况，确定第二用户的行为指数。

在其中一个实施例中，如图9所示，第三指数模块808包括生理识别模块818，生理识别模块818用于根据生理活动数据获取第二用户的体温数据、血氧数据以及心跳数据，根据体温数据确定第二用户的体温变化情况，根据血氧数据确定第二用户的血氧变化情况，根据心跳数据确定第二用户的心跳变化情况，根据体温变化情况、血氧变化情况以及心跳变化情况，确定第二用户的生理指数。

在其中一个实施例中，如图9所示，用户推荐的装置包括推荐模块820，推荐模块用于获取第一用户的历史浏览数据，根据第一用户的历史浏览数据，确定第一用户的偏好特征，计算第一用户的偏好特征与预设的偏好特征数据库中的偏好特征之间的匹配度，获取匹配度在预设范围内的第三用户，并推送至第一用户。

在其中一个实施例中，如图9所示，用户推荐的装置包括用于语音识别的关键字模块822，用于语音识别的关键字模块822用于获取用于语音识别的关键字，将用于语音识别的关键字存入大数据样本库中。

关于用户推荐的装置的具体限定可以参见上文中对于用户推荐的方法的限定，在此不再赘述。上述用户推荐的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储综合数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种用户推荐的方法。

本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取位置信息在第一用户的预设阈值范围内的第二用户的综合数据，综合数据包括语音识别数据、视觉识别数据以及生理活动数据；

根据预设的大数据样本库和语音识别数据确定第二用户与第一用户之间的用户间关系量化值；

根据视觉识别数据确定第二用户的行为指数；

根据生理活动数据确定第二用户的生理指数；

根据用户间关系量化值、行为指数、生理指数以及预设的指数规则，生成第二用户对第一用户的好感度；

根据好感度推送第二用户的用户信息至第一用户。

上述用户推荐的方法、装置、计算机设备和存储介质，获取位置信息在第一用户的预设阈值范围内的第二用户的综合数据，对综合数据进行分析，根据预设的大数据样本库和语音识别数据确定第二用户与第一用户之间的用户间关系量化值，根据视觉识别数据确定第二用户的行为指数，根据生理活动数据确定第二用户的生理指数，根据用户间关系量化值、行为指数、生理指数以及预设的指数规则，生成第二用户对第一用户的好感度，根据好感度推送第二用户的用户信息至第一用户，实现交友人选的合理推荐。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

将语音识别数据转换为文字；

根据转换后的文字匹配大数据样本库中的用于语音识别的关键字；

统计用于语音识别的关键字在转换后的文字中出现的频率以及次数；

根据用于语音识别的关键字出现的频率以及次数确定第二用户与第一用户之间的用户间关系量化值。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

根据视觉识别数据获取第二用户的眼神数据和脸色数据；

根据眼神数据确定第二用户的眼神变化情况以及眼神停留时间；

根据脸色数据和预设的人种脸色数据库确定第二用户的脸色变化情况；

根据眼神变化情况、眼神停留时间以及脸色变化情况，确定第二用户的行为指数。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

根据生理活动数据获取第二用户的体温数据、血氧数据以及心跳数据；

根据体温数据确定第二用户的体温变化情况；

根据血氧数据确定第二用户的血氧变化情况；

根据心跳数据确定第二用户的心跳变化情况；

根据体温变化情况、血氧变化情况以及心跳变化情况，确定第二用户的生理指数。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取第一用户的历史浏览数据；

根据第一用户的历史浏览数据，确定第一用户的偏好特征；

计算第一用户的偏好特征与预设的偏好特征数据库中的偏好特征之间的匹配度；

获取匹配度在预设范围内的第三用户，并推送至第一用户。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取用于语音识别的关键字；

将用于语音识别的关键字存入大数据样本库中。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取位置信息在第一用户的预设阈值范围内的第二用户的综合数据，综合数据包括语音识别数据、视觉识别数据以及生理活动数据；

根据预设的大数据样本库和语音识别数据确定第二用户与第一用户之间的用户间关系量化值；

根据视觉识别数据确定第二用户的行为指数；

根据生理活动数据确定第二用户的生理指数；

根据用户间关系量化值、行为指数、生理指数以及预设的指数规则，生成第二用户对第一用户的好感度；

根据好感度推送第二用户的用户信息至第一用户。

上述用户推荐的存储介质，获取位置信息在第一用户的预设阈值范围内的第二用户的综合数据，对综合数据进行分析，根据预设的大数据样本库和语音识别数据确定第二用户与第一用户之间的用户间关系量化值，根据视觉识别数据确定第二用户的行为指数，根据生理活动数据确定第二用户的生理指数，根据用户间关系量化值、行为指数、生理指数以及预设的指数规则，生成第二用户对第一用户的好感度，根据好感度推送第二用户的用户信息至第一用户，实现交友人选的合理推荐。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

将语音识别数据转换为文字；

根据转换后的文字匹配大数据样本库中的用于语音识别的关键字；

统计用于语音识别的关键字在转换后的文字中出现的频率以及次数；

根据用于语音识别的关键字出现的频率以及次数确定第二用户与第一用户之间的用户间关系量化值。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

根据视觉识别数据获取第二用户的眼神数据和脸色数据；

根据眼神数据确定第二用户的眼神变化情况以及眼神停留时间；

根据脸色数据和预设的人种脸色数据库确定第二用户的脸色变化情况；

根据眼神变化情况、眼神停留时间以及脸色变化情况，确定第二用户的行为指数。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

根据生理活动数据获取第二用户的体温数据、血氧数据以及心跳数据；

根据体温数据确定第二用户的体温变化情况；

根据血氧数据确定第二用户的血氧变化情况；

根据心跳数据确定第二用户的心跳变化情况；

根据体温变化情况、血氧变化情况以及心跳变化情况，确定第二用户的生理指数。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取第一用户的历史浏览数据；

根据第一用户的历史浏览数据，确定第一用户的偏好特征；

计算第一用户的偏好特征与预设的偏好特征数据库中的偏好特征之间的匹配度；

获取匹配度在预设范围内的第三用户，并推送至第一用户。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取用于语音识别的关键字；

将用于语音识别的关键字存入大数据样本库中。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。